深圳近日迎來一場聚焦AI算力發展的行業盛會，來自產學研投各領域的專家齊聚一堂，圍繞算力技術突破、生態構建與商業落地展開深度探討。與會者普遍認為，在算力基礎設施化的趨勢下，技術路徑選擇、生態系統建設與商業模式創新將成為決定產業格局的關鍵變量。

深圳理工大學算力微電子學院院長唐志敏在主題演講中提出，軟件生態是突破算力瓶頸的核心。他指出，傳統芯片發展面臨摩爾定律放緩與AI算力需求激增的雙重挑戰，異構計算雖成趨勢，但編程復雜度與軟件兼容性問題日益凸顯。通過分析X86、ARM、RISC-V三大架構的生態競爭史，他強調中國需通過軟件定義算力，在現有制程限制下實現效能最大化。這位親歷龍芯、海光CPU研發的專家特別提醒，GPGPU發展不能偏離圖形渲染本質，系統廠商自研芯片需以提升產品溢價為目標。

鵬城實驗室劉方明教授的報告聚焦大模型發展痛點。他觀察到全球模型競爭正從"百模大戰"轉向"十模爭鋒"，但國產模型在能力差距、開源生態、工具鏈體系等方面仍存短板。實驗室推出的2B參數模型實現全過程開源，涵蓋數據配比、訓練權重等核心環節。劉方明強調，模型優化需轉向集約化路線，通過與氣象、金融等行業的深度合作，推動大模型在典型場景中的示范應用。

燧原科技聯合創始人李星宇用"淘汰賽"形容當前產業競爭態勢。他披露，全球算力投資已超美國登月計劃總投入，中國開源模型生成的Token量占全球總量過半。面對GPU生態競爭，李星宇提出三大破局路徑：構建開放技術體系避免重復建設，綁定商業化場景打磨技術棧，從高校源頭培養國產算力人才。據其透露，燧原產品已支撐多個國民級應用落地。

摩爾線程副總裁王華展示了萬卡集群的實戰經驗。通過對比千卡與萬卡集群的訓練效率，他揭示集群規模對模型迭代速度的決定性作用。針對大模型訓練中的穩定性難題，摩爾線程構建了覆蓋訓練全周期的智能工具鏈，包括資源規劃、異常檢測、自動恢復等模塊。王華特別提到，分布式Profiling系統可實現從實時洞察到深度分析的性能調優。

云天勵飛技術副總裁羅憶預測2025年將成為AI芯片消費拐點，推理芯片需求將超越訓練芯片。他提出"數據飛輪"發展模式：應用產生數據、數據訓練算法、算法定義芯片、芯片反哺應用。針對萬億參數模型的成本困境，羅憶認為稀疏化、蒸餾化等技術可將百萬Token成本降至1元以內。云天勵飛已完成全流程國產工藝轉型，構建起覆蓋端邊云的產品矩陣。

IO資本創始合伙人趙占祥從投資視角剖析技術突圍路徑。面對美國對華技術管制，他提出系統級創新方案：云端芯片通過超節點設計省去HBM，邊緣芯片采用3D DRAM堆疊提升內存帶寬，端側芯片探索存算一體架構。趙占祥特別強調先進封裝的重要性，認為光電合封技術將突破現有電氣互聯瓶頸，成為下一代算力基石。他指出，中國工程師紅利與定制化方案能力，正在催生多元化的技術路線。

這場持續整日的論壇未給出"下一個寒武紀"的明確答案，卻勾勒出清晰的產業演進圖譜。從底層芯片架構創新到上層應用生態構建，從技術路徑選擇到商業模式驗證，參會者在思想碰撞中達成共識：算力產業的競爭已進入深水區，唯有技術、生態、商業三重維度協同突破，方能在未來格局中占據主動。